Uma aplicação de redes neurais artificiais recorrentes (RTRL) e processos ARIMA-GARCH para predição da série de preços da soja

Autores

  • Mauri Aparecido de Oliveira Universidade Federal de São Paulo
  • Ricardo Luiz Pereira Bueno Universidade Federal de São Paulo
  • Alessandra de Avila Montini USP

DOI:

https://doi.org/10.36942/reni.v2i1.199

Palavras-chave:

Previsão, Redes Neurais, ARIMA-GARCH

Resumo

Neste artigo é realizado um estudo comparativo quanto à eficiência de
previsão de séries temporais utilizando processos ARIMA-GARCH e redes neurais artificiais (RNA) treinadas com o algoritmo de aprendizagem recorrente em tempo real (RTRL – real time recurrent learning). Como experimento, a série de preços da saca de soja de 60 Kg é usada para realizar a comparação entre as duas técnicas. São realizadas previsões de 1 a 10 passos à frente, estes valores de janelas de previsão foram escolhidos arbitrariamente. Tanto o modelamento usando RNA como os processos ARIMA-GARCH exigem a transformação dos dados da série original. Os resultados das previsões são apresentados em termos dos valores da série no nível, ou seja, tem a mesma forma da série original. Podese verificar que as previsões das redes neurais tiveram desempenho superior quando comparadas aos resultados dos modelos econométricos tradicionais.

Downloads

Downloads

Publicado

2020-03-16

Como Citar

Oliveira, M. A. de, Bueno, R. L. P., & Montini, A. de A. (2020). Uma aplicação de redes neurais artificiais recorrentes (RTRL) e processos ARIMA-GARCH para predição da série de preços da soja. Revista De Empreendedorismo, Negócios E Inovação, 2(1), 54–66. https://doi.org/10.36942/reni.v2i1.199

Edição

Seção

Artigos